1) variance decomposition
预测方差分解
1.
On the foundation of vector auto regression model,this paper identifies the long run equal relationship and the short run dynamic relationship,applies impulse response function and variance decomposition to make up empirical analysis,which refers to volatility of equipment manufacturing profit in Liaoning.
通过建立VAR模型,运用脉冲响应函数和预测方差分解的方法对辽宁省装备制造业利润增长的波动情况进行实证分析。
2.
Based on vector autoregressions(VAR) model,this paper measures the length of the impact lags of China’s financial policy by using impulse response function and variance decomposition comparatively and cross correlation.
基于向量自回归模型 ,本文利用脉冲响应函数和预测方差分解方法对我国金融政策的作用时滞做了具体测算。
3.
On the basis of explaining the effective theory and the transmission mechanism theory of monetary policy, by adopting cointegration test, vector autoregressive model(VAR) and variance decomposition, this paper has conducted an empirical study on the controversy monetary transmission mechanism of China with the data sample from 1984 to 2004.
本文在详细阐述货币政策有效性理论和货币政策传导机制理论的基础上，运用协整检验、向量自回归和预测方差分解等方法，围绕国内外学者争议较多的货币渠道和信贷渠道，对我国1984—2004年的货币政策传导机制进行实证分析。
2) generalized forcast error variance decomposion
预测误差方差正交分解
5) Generalized Forecast Error Variance Decomposition
广义预测方差分解分析
6) forecasting error decomposition
预测误差分解
1.
According to VAR model, the author models forecasting error decomposition model to discuss the main factors which causes the cycle and evaluate the relative importance of these factor
本文利用ＶＡＲ模型建立了“预测误差分解模型”讨论了引起景气变动的几个主要因素并对其相对重要性进行评价。
补充资料：分解预测法
分解预测法
decomposition forecasting method
(1)选择对应时间(或时间段)、对应类别的历史负荷曲线，将其分解为若干个时间序列，分析其变化的规律性.︵沙月5椒以枷脚翔脚翔旧吻┌────┐│剥回 │├────┤│，....，│├────┤│ │├────┤│ │└────┘时序 对应时间的历史日负荷曲线 (2)定性分析预侧期内用电结构和用电方式的变化趋势，选择合适的时间序列预测方法，分别对各时间序列进行预侧。 (3)将各预侧值合成为负荷曲线，并校核其特性指标与定性分析结果的一致性。若不一致，则要分析并找出偏差较大的序列，重新预测并校核。 分解预侧法的关健是要选择对应时间(或时间段)和对应类别的负荷曲线作为分解对象，使得分解后的历史时间序列具有较强的规律性，以提高预测的准确性。另外，还要对未来负荷曲线及其特性的变化趋势(尤其要对高峰时段的负荷水平及其变化趋势)做深人的分析。fenJ一e yueefa分解预测法(deeomposition foreeasting met-hed)通过将历史的对应时间(或时间段)、对应类别的负荷曲线分解为若干个时间序列，采用时间序列法(如指数平滑法、移动平均法等)，分别对各时间序列的负荷进行预测，再将各负荷预测结果合成，得到预侧期负荷曲线的方法。分解预测法可用于日、周(月)、年等负荷曲线的预测。 以日负荷曲线为例，将历史的对应时间的日负荷曲线用立体图形表示(如图所示)，可将其分解为24个时间序列(例如各日最高负荷点可构成一个时间序列)，分别预测未来24个时刻的负荷值，再将其合成，即得到预侧期的日负荷曲线。 分解预测法的具体步骤是:
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条